AWS發(fā)布Amazon DevOps Guru

賈蘭

近日，在亞馬遜云服務(wù)（AWS）舉辦的年度盛會———AWS re：Invent上，AWS發(fā)布了完全托管的運營服務(wù)Amazon DevOps Guru。利用機器學習技術(shù)，這一服務(wù)可以幫助開發(fā)人員通過自動檢測操作問題和建議補救措施來提高應(yīng)用程序可用性。Amazon DevOps Guru應(yīng)用支持Amazon.com和AWS卓越運營多年的機器學習技術(shù)，通過自動收集和分析應(yīng)用程序指標、日志、事件及痕跡等數(shù)據(jù)，識別偏離正常操作模式的行為（例如，計算能力配置不足、數(shù)據(jù)庫I/O過度使用及內(nèi)存泄漏等）。當Amazon DevOps Guru識別出可能導致服務(wù)中斷的異常應(yīng)用程序行為（例如延遲、錯誤率及資源限制等增加）時，它將向開發(fā)人員發(fā)出問題詳細信息（例如涉及的資源、問題時間表及相關(guān)事件等），并通過Amazon Simple Notification Service（SNS）以及Atlassian Opsgenie和PagerDuty等合作伙伴集成服務(wù)來幫助開發(fā)人員快速了解問題的潛在影響和可能原因，并提出具體的修復建議。開發(fā)人員可以使用Amazon DevOps Guru的修復建議來減少問題修復時間，無需手動設(shè)置或機器學習專業(yè)知識即可提高應(yīng)用程序的可用性和可靠性。

Amazon DevOps Guru沒有前期成本，客戶只需為Amazon DevOps Guru分析的數(shù)據(jù)付費。

為了擺脫本地部署的限制并向全球擴展業(yè)務(wù)運營，越來越多的組織開始轉(zhuǎn)向基于云的應(yīng)用程序部署和微服務(wù)架構(gòu)，這也導致應(yīng)用程序為滿足客戶需求而變得越來越分散。開發(fā)人員需要更多的自動化方式來維護應(yīng)用程序的可用性，減少花費在檢測、調(diào)試和解決運營問題上的時間和精力。錯誤的代碼或配置更改、不平衡的容器集群或CPU、內(nèi)存及磁盤等資源耗盡帶來的應(yīng)用程序宕機事件將不可避免地導致不良客戶體驗和收入損失。企業(yè)需要花費大量資金和開發(fā)人員時間來部署多個監(jiān)測工具，而這些監(jiān)測工具通常是分開管理的，并且必須針對負載平衡器錯誤或應(yīng)用程序請求率下降等常見問題開發(fā)和維護自定義警報。對于希望通過設(shè)置閾值以識別和警告應(yīng)用程序資源異常狀況的企業(yè)來說，不僅很難設(shè)置準確的閾值、涉及諸多手動操作，并且要求閾值必須隨著應(yīng)用程序使用情況的變化而不斷更新（例如在假日購物季時突增大量請求）。如果閾值設(shè)置得太高，開發(fā)人員在運營性能已經(jīng)嚴重受損前無法收到警報；當閾值設(shè)置得太低時，開發(fā)人員則可能得到過多誤報并最終忽略警報。即使開發(fā)人員對潛在的操作問題已經(jīng)有所警覺，仍然很難尋找和確認問題根源。

使用現(xiàn)有工具，開發(fā)人員通常很難從圖形和警報中確定問題根源，而即使找到根本原因，也往往無法解決問題。每次故障排除都是冷啟動，團隊必須花費數(shù)小時或數(shù)天來識別問題，這種工作既耗時又繁瑣，從而減緩了解決故障的時間，并可能延長應(yīng)用程序的中斷時間。

Amazon DevOps Guru的機器學習模型采用了亞馬遜過去20多年為Amazon.com構(gòu)建、擴展和維護高可用應(yīng)用程序的運營專業(yè)知識。這使Amazon DevOps Guru能夠自動檢測運營故障（例如警報遺漏或配置錯誤、資源耗盡的早期警告以及可能導致停機的配置更改等），提供有關(guān)資源和相關(guān)事件的背景，并建議補救措施，而無需開發(fā)人員具備任何機器學習經(jīng)驗。開發(fā)人員只需在Amazon DevOps Guru控制臺中單擊幾下，即可自動提取和分析所有資源的歷史應(yīng)用程序和延遲、錯誤率及請求率等基礎(chǔ)架構(gòu)指標，以建立操作基線；然后Amazon DevOps Guru就可以開始通過預(yù)先訓練的機器學習模型識別與既定基線的偏差。當Amazon DevOps Guru分析系統(tǒng)和應(yīng)用程序數(shù)據(jù)以自動檢測異常時，它還將這些數(shù)據(jù)分組做運營洞察，包括異常指標、隨著時間的推移對應(yīng)用程序行為可視化以及有關(guān)補救措施的建議。Amazon DevOps Guru還將相關(guān)的應(yīng)用程序和基礎(chǔ)架構(gòu)指標（例如Web應(yīng)用程序延遲峰值、磁盤空間用盡、錯誤的代碼部署及內(nèi)存泄漏等）相關(guān)聯(lián)并進行分組，以減少冗余警報并幫助用戶關(guān)注高嚴重性問題。客戶可以通過查看配置更改歷史記錄、部署事件以及系統(tǒng)和用戶活動，以在Amazon DevOps Guru控制臺中生成需要優(yōu)先關(guān)注的潛在操作問題事件列表。

為了幫助客戶快速解決問題，Amazon DevOps Guru提供了具有補救步驟的智能建議，并與AWS Systems Manager集成運行手冊和協(xié)作工具，使客戶能夠更有效地維護應(yīng)用程序并管理其部署的基礎(chǔ)架構(gòu)。Amazon DevOps Guru與Amazon CodeGuru（機器學習支持的開發(fā)人員工具，可提供智能建議以提高代碼質(zhì)量，并識別應(yīng)用程序中最昂貴的代碼行）一起，使客戶可以針對其操作數(shù)據(jù)使用自動化機器學習技術(shù)，幫助開發(fā)人員輕松提高應(yīng)用程序的可用性和可靠性。

AWS副總裁Swami Sivasubramanian表示：“客戶希望AWS繼續(xù)在可以運用自己的專業(yè)知識來提高應(yīng)用程序可用性的領(lǐng)域中增加服務(wù)，并從Amazon.com的多年運營經(jīng)驗中學習。借助Amazon DevOps Guru，我們利用亞馬遜過往的經(jīng)驗建立了專門的機器學習模型，幫助客戶檢測、排除故障，以防止操作問題，并在出現(xiàn)問題時提供智能化建議。這使得客戶可以立即從亞馬遜在運營Amazon.com中學到的最佳操作實踐中受益，節(jié)省配置和管理多個監(jiān)測系統(tǒng)上所花費的時間和精力?！?/p>

只需在AWS管理控制臺中單擊幾下，客戶就可以在數(shù)分鐘內(nèi)開始使用Amazon DevOps Guru分析賬戶和應(yīng)用程序活動，提供運營見解。Amazon DevOps Guru通過匯總AWS CloudTrail，AmazonCloudWatch，AWSConfig，AWSCloud Formation，AWS X-Ray等多個來源中的相關(guān)數(shù)據(jù)，讓客戶可以通過一個控制臺可視化其運營數(shù)據(jù)，減少了在多種工具之間切換的需要。客戶還可以在Amazon DevOps Guru控制臺中查看相關(guān)的運營事件和數(shù)據(jù)以獲得運營見解，并通過Amazon SNS接收警報。

此外，Amazon DevOps Guru通過AWS軟件開發(fā)工具包（AWS SDK）支持API終端節(jié)點，使合作伙伴和客戶可以輕松地將Amazon DevOps Guru集成到現(xiàn)有解決方案中，以針對高嚴重性問題提交故障單、分級并自動通知工程師。Pager Duty和Atlassian已將Amazon DevOps Guru集成到運營監(jiān)控和事件管理平臺中，使用其解決方案的客戶現(xiàn)在可以從Amazon DevOps Guru提供的運營見解中受益。

Amazon DevOps Guru已在美國東部（北弗吉尼亞）區(qū)域、美國東部（俄亥俄）區(qū)域、美國西部（俄勒岡）區(qū)域、亞太（新加坡）區(qū)域和歐洲（愛爾蘭）區(qū)域進行預(yù)覽，并將在未來幾個月中在其他地區(qū)推出。

超過170 000個企業(yè)依靠Atlassian產(chǎn)品來簡化團隊合作，組織、討論和完成工作。Opsgenie產(chǎn)品負責人Emel Dogrusoz表示：“Atlassian很榮幸能與AWS就Amazon DevOps Guru推出達成合作，幫助更多開發(fā)團隊部署代碼和運營服務(wù)。通過與Opsgenie和Jira Service Management集成，Amazon DevOps Guru可以在預(yù)測到潛在問題或確定事件發(fā)生時立即通知相關(guān)團隊。Amazon DevOps Guru提供了新的洞察力，而Atlassian確保了最快的響應(yīng)速度?！?/p>

PagerDuty，Inc.是數(shù)字運營管理的領(lǐng)導者。PagerDuty產(chǎn)品副總裁Jonathan Rende表示：“PagerDuty致力于通過全生命周期事件自動化響應(yīng)來推動向DevOps文化的轉(zhuǎn)變。我們很高興能夠通過與Amazon DevOps Guru的集成來繼續(xù)深化對 DevOps的承諾。借助亞馬遜數(shù)十年來的卓越運營經(jīng)驗和Amazon DevOps Guru的機器學習功能，PagerDuty為我們的共同客戶提供了更多的實時信號到響應(yīng)功能。通過PagerDuty提取Amazon DevOps Guru的Amazon SNS，AWS客戶可以在運營事件影響用戶服務(wù)中斷之前對其采取實時行動。”

湯森路透是全球最受信賴的信息和資訊提供商之一，幫助專業(yè)人士做出自信的決定并更好地經(jīng)營業(yè)務(wù)。湯姆森路透基礎(chǔ)設(shè)施托管業(yè)務(wù)主管史蒂夫·索恩斯說：“客戶體驗對我們至關(guān)重要。在試圖防止和減輕影響客戶的事件時，處理可用性、性能和變更請求的多種警報可能是一個挑戰(zhàn)。我們很高興能夠使用Amazon DevOps Guru并利用其機器學習見解快速解決問題。這一服務(wù)與PagerDuty的集成可以幫助我們將Amazon DevOps Guru提供的問題解決建議及時有效地交付給正確的團隊。”

SmugMug是一個提供付費的圖片共享和托管服務(wù)及在線視頻的平臺，用戶可以在該平臺上傳照片和視頻。該公司為業(yè)余和專業(yè)攝影師進行數(shù)字化和印刷作品的銷售。SmugMug運營總監(jiān)Andrew Shieh說：“我的團隊一直在尋找讓手動工作自動化的方法。我們希望通過Amazon DevOps Guru實現(xiàn)這一目標，讓AIOps接管許多日常任務(wù)，簡化日常運營，從而專注于IT創(chuàng)新?，F(xiàn)在，我們不僅滿足了業(yè)務(wù)需求，而且能夠超出業(yè)務(wù)預(yù)期，因為我們有更多時間專注于最重要的事情———為我們的組織和客戶創(chuàng)造價值?！?/p>

NextRoll通過幫助市場和營銷平臺構(gòu)建和增強營銷解決方案，提高收益。NextRoll的首席技術(shù)官Valentino Volonghi說：“我們運行著數(shù)千個Amazon Elastic Compute Cloud實例，一直在尋找能夠減少團隊用于解決運營問題時間的方法。很高興能夠使用Amazon DevOps Guru并利用其基于機器學習的洞察來幫助我們識別、關(guān)聯(lián)和解決運營問題，這將幫助團隊節(jié)省時間并減少我們的平均恢復時間?！?/p>